红杉资本：AI公司以后不卖软件，卖工作成果

Sequoia Capital 刚在 AI Ascent 峰会上把 150 多个 AI 领域的人聚到一起。Demis Hassabis、Andrej Karpathy、Greg Brockman、Anthropic 的 Boris Cherny、Waymo 的 Dmitri Dolgov、Nvidia 的 Jim Fan 都在。红杉的 Pat Grady、Sonya Huang、Constantine Buhler 轮流上台，给了一个关于 AI 往哪走的框架。

核心判断一句话：AI 打开的是服务市场，体量比软件大一个数量级。

云计算的十五年，软件的总可寻址市场从大约 3500 亿美元涨到 6500 亿美元，云吃下其中约 4000 亿。AI 下面新加了一层。红杉估算有大约 10 万亿美元的服务市场现在可以被机器触及。数字不一定准，5 万亿或者 50 万亿都有可能，但量级清楚。美国法律服务一个行业、一个国家，就是 4000 亿美元的市场，跟全球软件行业一样大。

这一波的速度也更快。每个技术浪潮里，达到 10 亿美元收入的公司出现得越来越密集。云走了十几年，AI 公司可能几年就到。

Pat Grady 把 AI 和互联网做了个区分。互联网改变信息怎么分发，属于通讯革命。AI 改变信息怎么处理，属于计算革命。后者的影响更深。

他还有一组比喻：过去几年 AI 做的是“更快的马”，让知识工作者效率提升 10% 到 40%，有用，但工作的形状没变。现在这一代是“汽车”，效率提升 10 到 40 倍，并且重新组织工作流程和组织本身。

红杉对 AGI 的定义很商业化：一个系统能被派出去干活，失败了能自己恢复，一直干到任务完成，就够了。哲学讨论放一边。

竞赛已经在服务经济里展开。软件公司过去卖系统记录，AI 公司卖结果。以前给律师一套工具，现在直接把律师的活干了。这是红杉合伙人 Julian 文章里的观点，Sonya Huang 在演讲里专门引用了。

护城河也变了。Grady 说在计算革命里，能力变化比客户变化快。技术创始人本能地想追最新模型，但模型层的地基最不稳。今天的突破明天就是基线。真正的护城河是客户亲密关系、工作流整合和积累起来的信任。产品仍然重要，但客户粘性会随着技术更迭持续复利。

另一个容易被低估的东西是 affordance，借用设计领域的词，指一个物件本身在暗示怎么用。锤子有高 affordance，形状就在说功能。原始模型能力的 affordance 很低。Claude Code 的终端界面很强，但企业里普通员工不知道拿它干什么。应用层的机会是把底层能力包装成直觉化的界面，让客户用最小努力拿到结果。

还有一个结构性机会：扩散差距。前沿模型每周在进步，企业吸收变化要几个月甚至几年。差距越拉越大，应用层的空间就越大。红杉认为应用层的核心任务就是填这个坑，把前沿能力变成部署好的商业价值。

Sonya Huang 把 2026 年定为 agent 之年。2022 到 2024 是聊天界面，2024 到 2025 是推理模型，2026 属于 agents。从响应 prompt 的系统，变成追求目标的系统。

agent 需要三样东西：推理和规划、行动能力（调 API、跑代码、搜网页、写文件）、跨长时间跨度的迭代。三者合起来才有能动性。

agentness 是个光谱。2023 年是编辑器里的 tab 补全，有用但不算变革。然后是人指挥 agent 或协调一小队 agent 的开发模式。再往后是后台异步 agent，长时间跑，不用人盯着，还会自己生成子 agent。最前沿是 dark factory，完全去掉人工审核的流水线。Huang 说 dark factory 听上去不真实，但在网络安全等窄领域已经在生产环境里出现。同样的路径在每个领域重复：助手、管理型实习生、自我管理的实习生、可信的自主工作者。

她最看重的结论是“服务是新软件”。在医疗，agent 能分析基因组、推荐干预方案、开药、找临床试验。在法律，能谈合同、做诉讼工作、解决争议。在科学，在解 Erdős 级别的数学问题，在提新的超导体。在个人生活，接管邮箱、日历、账户和报税。以前被专业服务公司吃掉的经济活动，正在被吸收进应用层。

Constantine Buhler 补了另一个视角。他把工作分成两类：物理工作搬运物质，认知工作搬运想法。工业革命把 99% 以上的体力活交给了机器。认知革命正在发生，轨迹类似，但规模和速度都更大。

他讲了几个故事。

铝在 19 世纪中期比黄金还贵，华盛顿纪念碑顶上的铝冠在 Tiffany 展出过。电解法出来之后，铝变成了一次性餐具和糖果包装纸。Buhler 的比喻：铝是智能，电解法是 AI。以前要花几十年才能获得的专业能力，正在变得随手可调、用完即弃。

NASA 在 2006 年用进化算法设计卫星天线。人类设计的对称几何形状被一个扭曲的不对称结构打败了。Buhler 认为，当 AI 接管芯片、车辆、建筑和软件的设计，产出的东西会越来越像外星造物，人类几百年的审美直觉可能不再适用。

蒸汽机被改良了将近一个世纪，全靠试错。热力学在 1800 年代初由 Carnot 系统化之后，才给了这个领域严格的基础。Buhler 说 AI 现在也在试错阶段，系统能用，但为什么能用说不清楚。他预计 20 年内会出现一门关于智能的基础科学，像热力学那样严谨，会进高中课本。

摄影术出来的时候，很多人说绘画要完了。结果绘画转向了印象派、表现主义、立体主义，不再问眼睛看到什么，开始问心和灵魂看到什么。Buhler 预期机器接管认知工作的字面执行之后，人类的创作和解释活动会转向机器复制不了的部分。

他最后引了 Protagoras 的话：人是万物的尺度。意思是没有东西本身有价值，铝、艺术、智能都一样。价值由人的经验和意义赋予。AI 能干活，AI 会干活，但只有人际关系和人的注意力提供干这些活的理由。

Guillermo Flor 在文章结尾总结：三个力量定义这一轮，技术地基每周在动，可寻址市场比之前平台迁移大 10 倍左右，打法跟云和移动的先例不一样。

原文链接：Sequoia AI Ascent 2026: The future of AI